[发明专利]一种铁路货车车厢号识别抓拍方法及系统

说明书

本发明公开了一种铁路货车车厢号识别抓拍方法及系统。解决现有技术操作复杂且准确度和置信度不高，以及容易出现的问题。本发明使用深度神经网络检测车厢号区域和数字区域，得到车厢号区域的位置信息、类别和置信度，以及数字区域的位置、类别和置信度；针对识别出的数字车牌号排列使用的基于置信度和欧式距离利用匈牙利算法的匹配方式进行。操作更加方便，准确度和置信度高，避免误识别的现象。

技术领域

本发明涉及视频监控技术领域，尤其是涉及一种铁路货车车厢号识别抓拍方法及系统。

背景技术

货运铁路运输占据我国国内货运运输周转量的70％以上，因此铁路运输部门对货运列车车厢的装载内容和装载顺序有较强的监控需求。在铁路运输实践中，因为一些特殊原因，原本计划中的车厢可能装载了其他货物，或者出现少装、漏装的情况，给货运单位带来直接或者间接的经济损失。因此需要安排工人对货运列车的车厢号、装载货物情况进行人工核实记录。一般货运列车的整车长度约为800米至1000米，单次人工巡查工作耗时在半小时至一小时之间，巡查效率较低、工人的劳动强度较高，也容易出现人为记录失误，造成资源浪费。因此，使用设备自动识别火车车厢号并记录火车车厢上的货物可以较好解决上述问题。但是与传统的汽车车牌识别不同，火车车厢号是直接使用油漆在火车车厢外部进行喷涂书写的，车厢号区域不像汽车车牌区域有明显与环境不通的颜色。相反，车厢号区域与其他不含有字符的火车车皮具有相近的纹理特征，同时由于火车车厢外部有较多凹凸的金属结构，这进一步增加了车厢号区域纹理特征的复杂程度和检测识别难度。其次，由于货运火车往往装载了煤炭等容易无损车厢号标识的货物，再加上钢铁的锈蚀、油漆的脱落，字符检测和识别的难度相对于汽车车牌识别的难度也有明显的上升。再次火车车厢种类多，其上的车厢号的格式也有较多变化和差异，例如有的车厢号长度为七位，有的车厢号长度仅为三位。此外，火车车厢上还有其他字符包括载重量、自重、容积等信息，这些无效的字符信息都会对车厢号的识别产生较大干扰。最后，由于在抓拍的过程中车厢一般在持续移动，所以也要解决视频运动模糊造成的识别困难以及车厢号重复上报等时间域上的问题。

现有技术中也包括识别列车车厢号的技术，技术如下：

基于滑窗搜索的机动车号牌识别方法，包括步骤：1)对当前帧中出现在场景内的各车辆进行目标跟踪定位；2)对提取的单个待识别的车牌图像进行尺寸归一化处理与二值化处理，再根据先验信息确定车牌图像中各字符分割中心；3)用标准字符尺寸的窗口在各字符的分割中心以及分割中心左右滑窗搜索各m次得到滑窗识别结果；4)车牌中每个字符的滑窗识别结果并放入该位置字符对应投票池中，计算各字符投票池中识别结果比例最高且大于决策阈值的作为单个字符的最终识别结果。该方案中使用的边缘检测、形态学处理、投影差分等操作，且需要对字符进行分割，操作复杂且准确度和置信度不高。

还有一种车牌识别方法及车牌识别设备，根据原始车牌分类器检测现场的无车场景，收集现场的静态负样本；将静态负样本添加到车牌识别设备的原始训练集中，得到第一训练集，根据第一训练集训练第一车牌分类器；根据第一车牌分类器检测现场的有车场景，收集现场的动态负样本，将动态负样本添加到第一训练集中，得到第二训练集，根据第二训练集训练第二车牌分类器，并根据第二车牌分类器进行车牌识别。这样，利用第二训练集训练的第二车牌分类器能够去除静态负样本和动态负样本，此时现场可能出现的绝大部分负样本都能够被第二车牌分类器拒绝，从而达到对车牌的精确识别，减少车牌识别设备的误检率。该发明使用数据训练Adaboost作为第一车牌分类器，并进一步训练了SVM分类器对分割出来的字符进行分类识别，针对识别出的字符内容排列车牌号主要是根据识别出字符的个数和单个字符的置信度进行考虑，容易出现误识别的问题。

发明内容

本发明主要是解决现有技术操作复杂且准确度和置信度不高，以及容易出现的问题，提供了一种铁路货车车厢号识别抓拍方法及系统。

本发明的上述技术问题主要是通过下述技术方案得以解决的：一种铁路货车车厢号识别抓拍方法，包括以下步骤：

S1.进行初始化和配置；